取最大值从多个分组数据大熊猫

Question

我在一个循环中，给了我像下面 df.groupby(['grp1','grp2'])['mycol'].sum()

基本上我让我的分组元素的总和GROUPBY输出。

grp1 grp2 
A  1 10 
B  1 20 
C  2 30 
D  3 40 
E  4 50 
     1 60 

现在下一次迭代中我可以得到一个像下面

grp1 grp2 
A  1 20 
D  3 40 
E  4 30 
     1 90 
F  1 40 

我想从每次迭代采取max分组DF。 所以第二迭代后我有这样

grp1 grp2 
A  1 20 #because 20 was higher than 10 
B  1 20 #carried as it is 
C  2 30 #carried as it is 
D  3 40 #carried as it is (both were equal) 
E  4 30 #because 90+30 >50+60 
     1 90 
F  1 40 #added 

的输出因此由最终我期间发言权5次迭代，其组达到峰值。 这听起来很直接（跟踪迄今为止见过的最大值），但我没有得到如何解决这个问题。 我试过df.groupby(['grp1','grp2'])['mycol'].sum().to_dict()，并且在阅读新的df时做了更新字典的操作。 （只是一个尝试，不知道如何保持字典更新）或者有一个简单的pandas and np解决方案，我仍然不知道。

Answer 1

您可以再次使用groupby！ :-)

1. 串联的结果（pd.concat），
2. 集团由索引（pd.Series.groupby, see level param），
3. 骨料与.max()

中所示代码：

res = pd.concat(list_of_iteration_results) 
res = res.groupby(level=['grp1', 'grp2']).max()